Sleuth與ELK怎樣進行配合使用

本篇文章為大家展示了 Sleuth與ELK怎樣進行配合使用，內(nèi)容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。

我們已經(jīng)實現(xiàn)了服務(wù)調(diào)用之間的鏈路追蹤，但是這些日志是分散在各個機器上的，就算出現(xiàn)問題了，我們想快速定位，也得從各個機器把日志整合起來，再去查問題。
這個時候就需要引入日志分析系統(tǒng)了，比如 ELK，可以將多臺服務(wù)器上的日志信息統(tǒng)一收集起來，在出問題的時候我們可以輕松根據(jù) traceId 來搜索出對應(yīng)的請求鏈路信息。

ELK 簡介

ELK 由三個組件組成：

• Elasticsearch 是個開源分布式搜索引擎，它的特點有分布式、零配置、自動發(fā)現(xiàn)、索引自動分片、索引副本機制、restful 風(fēng)格接口、多數(shù)據(jù)源、自動搜索負載等。

• Logstash 是一個完全開源的工具，它可以對日志進行收集、分析并存儲以供以后使用。

• kibana 是一個開源和免費的工具，它可以為 Logstash 和 ElasticSearch 提供日志分析友好的 Web 界面，可以匯總、分析和搜索重要數(shù)據(jù)日志。

輸出 JSON 格式日志

可以通過 logback 來輸出 Json 格式的日志，讓 Logstash 收集存儲到 Elasticsearch 中，然后在 kibana 中查看。想要輸入 Json 格式的數(shù)據(jù)需要加一個依賴，具體代碼如下所示。

<!-- 輸出 Json 格式日志 --><dependency><groupId>net.logstash.logback</groupId><artifactId>logstash-logback-encoder</artifactId><version>5.2</version></dependency>

然后創(chuàng)建一個 logback-spring.xml 文件。配置 logstash 需要收集的數(shù)據(jù)格式如下：

<!-- Appender to log to file in a JSON format --><appender name="logstash"class="ch.qos.logback.core.rolling.RollingFileAppender"><file>${LOG_FILE}.json</file><rollingPolicyclass="ch.qos.logback.core.rolling.TimeBasedRollingPolicy"><fileNamePattern>${LOG_FILE}.json.%d{yyyy-MM-dd}.gz</fileNamePattern><maxHistory>7</maxHistory></rollingPolicy><encoderclass="net.logstash.logback.encoder.LoggingEventCompositeJsonEncoder"><providers><timestamp><timeZone>UTC</timeZone></timestamp><pattern><pattern>{
                    "severity": "%level",
                    "service": "${springAppName:-}",
                    "trace": "%X{X-B3-TraceId:-}",
                    "span": "%X{X-B3-SpanId:-}",
                    "parent": "%X{X-B3-ParentSpanId:-}",
                    "exportable":
                    "%X{X-Span-Export:-}",
                    "pid": "${PID:-}",
                    "thread": "%thread",
                    "class": "%logger{40}",
                    "rest": "%message"
                    }</pattern></pattern></providers></encoder></appender>

集成好后就能在輸出的日志目錄中看到有一個以“.json”結(jié)尾的日志文件了，里面的數(shù)據(jù)格式是 Json 形式的，可以直接通過 Logstash 進行收集。

{"@timestamp": "2019-11-30T01:48:32.221+00:00","severity": "DEBUG","service": "fsh-substitution","trace": "41b5a575c26eeea1","span": "41b5a575c26eeea1","parent": "41b5a575c26eeea1","exportable": "false","pid": "12024","thread": "hystrix-fsh-house-10","class": "c.f.a.client.fsh.house.HouseRemoteClient","rest": "[HouseRemoteClient#hosueInfo] <--- END HTTP (796-byte body)"}

日志收集存入 ElasticSearch 之后，就可以用 Kibana 進行展示。需要排查某個請求的問題時，直接根據(jù) traceid 搜索，就可以把整個請求鏈路相關(guān)的日志信息查詢出來。

上述內(nèi)容就是 Sleuth與ELK怎樣進行配合使用，你們學(xué)到知識或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識儲備，歡迎關(guān)注億速云行業(yè)資訊頻道。